Каждый, кто хоть раз заглядывал в огромные простыни таблицы вариантов, мечтал об автоматизации анализа. Она действительно прекрасно работает — пока вы не встречаете букву, которой нет в международных базах. Тут-то и начинается настоящая магия клинической интерпретации.
В большом пуле хорошо известных патогенных вариантов всё понятно: они изучены, их интерпретацию можно доверить машине, а некоторые «поломки» даже «чинятся» лекарствами. Но представьте ситуацию — в ваших данных вариант, который:
🧬 связан с геном, мутации в котором приводят к заболеванию;
🧬 в gnomAD или ClinVar либо критически редок, либо отсутствует;
🧬 в иностранных статьях не описан.
Что делать? Указать VUS и искать дальше? Посчитать ошибкой и еще раз отправить образец в секвенатор?
Здесь в игру вступает эффект основателя, который мы помним еще с тех самых пар по генетике. Есть варианты, часто встречающиеся в конкретных популяциях, но глобально они настолько редки, что могут выглядеть как единичные находки. Без понимания этого контекста машина (как бы нам ни хотелось отдать анализ нейросетям и пайплайнам) такие аллели попросту пропустит — данных для обучения моделей всё еще крайне мало.
В большом пуле хорошо известных патогенных вариантов всё понятно: они изучены, их интерпретацию можно доверить машине, а некоторые «поломки» даже «чинятся» лекарствами. Но представьте ситуацию — в ваших данных вариант, который:
🧬 связан с геном, мутации в котором приводят к заболеванию;
🧬 в gnomAD или ClinVar либо критически редок, либо отсутствует;
🧬 в иностранных статьях не описан.
Что делать? Указать VUS и искать дальше? Посчитать ошибкой и еще раз отправить образец в секвенатор?
Здесь в игру вступает эффект основателя, который мы помним еще с тех самых пар по генетике. Есть варианты, часто встречающиеся в конкретных популяциях, но глобально они настолько редки, что могут выглядеть как единичные находки. Без понимания этого контекста машина (как бы нам ни хотелось отдать анализ нейросетям и пайплайнам) такие аллели попросту пропустит — данных для обучения моделей всё еще крайне мало.
Канонический пример: уникальные вариации, закрепленные у евреев-ашкенази. В одном из популяционных исследований в выборке из 202 вариантов, ассоциированных с аутосомно-доминантными заболеваниями, 19 встречались только у представителей этой популяции. Еще пример — делеция в гене CDKN2A (R103fs). Она описана в семейных опухолевых синдромах и распространена в русских популяциях. В небольшой отечественной работе она нашлась у 3 из 6 (!) пациентов с меланомой и раком поджелудочной. А вот в других популяциях такая находка — редкость.
Чтобы не гадать, где «pathogenic», а где «VUS», важно понимать, как формируются данные, как искать ключевые варианты и грамотно их интерпретировать, держа в голове все нюансы.
Прокачать клиническое мышление и навыки интерпретации можно на ответвлении культового курса по анализу NGS-данных — «NGS в наследственных заболеваниях». За 8 недель с экспертами Genetico вас ждет путь от определения типов мутаций до разбора реальных клинических кейсов.
Курс, адаптированный специально для врачей, медгенетиков, биоинформатиков и интерпретаторов, стартует уже 18 мая. Подробности по ссылке: https://agency.blastim.ru/ngs_genome
Прокачать клиническое мышление и навыки интерпретации можно на ответвлении культового курса по анализу NGS-данных — «NGS в наследственных заболеваниях». За 8 недель с экспертами Genetico вас ждет путь от определения типов мутаций до разбора реальных клинических кейсов.
Курс, адаптированный специально для врачей, медгенетиков, биоинформатиков и интерпретаторов, стартует уже 18 мая. Подробности по ссылке: https://agency.blastim.ru/ngs_genome
